目前，SAR已经成为一种不可或缺的军事侦察手段。面对不断增长的SAR图像数据收集能力，如何对这些图像进行自动或半自动快速、准确地解译已经越来越引起人们的关注和重视。SAR ATR是自动或半自动SAR图像解译研究的一个重要方面。利用特征基于模型的SAR ATR系统代表着SAR ATR的发展趋势。本文系统研究了利用特征基于模型SAR ATR系统中，SAR图像目标特征提取方法和分类方法。 峰值特征是SAR图像目标识别的重要特征，为了由SAR图像快速、精确地提取目标峰值特征，论文首先研究了SAR图像目标峰值特征提取方法，提出了一种子像素级精度的SAR图像目标峰值特征自动提取方法，其对目标峰值位置的估计精度可以达到子像素级。为了在SAR成像参数确定的情况下，尽可能增强目标峰值特征，论文研究了峰值特征增强的SAR目标成像方法。在W.Clem Karl等工作的基础上，导出了求解峰值特征增强SAR成像优化问题的准牛顿迭代方法，建立了SAR成像稀疏投影矩阵T_S，通过用T_S代替原始SAR成像投影矩阵了，有效提高了峰值特征增强SAR成像方法的计算效率。为了提高基于特征匹配的SAR ATR系统的分类效率，论文进一步研究了SAR图像目标方位角估计方法，提出了一种利用峰值特征基于线性回归的SAR目标方位角估计方法，该方法除了具有计算速度快、估计精度较高的特点之外，还能在估计方位角的同时，给出该估计的置信区间，从而能更好地满足利用特征基于模型SAR ATR系统的需要。 属性散射中心包含了更丰富的可用于目标分类识别的特征，但同时由于特征参数的维数更高，因此相应的特征提取方法更复杂。为了将属性散射中心特征用于SAR目标分类，第三章研究了SAR图像目标属性散射中心特征提取方法，提出了RD-AML-CLEAN SAR图像目标属性散射中心特征提取方法，该方法可由输入SAR图像快速、自动地提取目标的属性散射中心特征。 在研究特征提取方法基础上，论文第四章研究了利用特征基于模型的SAR目标分类方法。利用特征基于模型的SAR目标分类方法，通过计算提取特征矢量和预测特征矢量之间的似然函数达到目标分类的目的。为了计算该似然函数，需要利用提取特征矢量和预测特征矢量之间的对应关系。本章以基于属性散射中心特征的分类为例，深入研究了多—多对应和1—1对应特征似然函数的计算，通过将求解二分图最佳匹配的算法用于寻找特征之间的最优1—1对应关系，有效提高了1—1对应特征似然函数的计算效率，分析了1—1对应和多—多对应特征似然函数之间的关系，给出了两种次优的1—1对应特征似然函数计算方法。 最后，论文第五章在前面各章的基础上，设计了一个利用特征基于模型的SAR目标分类仿真实验系统。基于该系统，通过大量MSTAR SAR图像数据的分类实验， 国防科学技术大学研究生院学位论文验证了本文特征提取方法以及分类方法的有效性，系统深入的分析了多个因素对SAR目标分类性能的影响。